图的相关概念
图论(Graph Theory)以图为研究对象。图论中的图是由若干给定的点及连接两点的线所构成的图形,这种图形通常用来描述某些实体之间的某种特定关系,用点代表实体,用连接两点的线表示两个实体间具有的某种关系。图可以表示为G=(V,E),其中V是顶点的有穷(非空)集合,E为边的集合。
图的分类
无向图:边集E(G)中为无向边。
有向图:边集E(G)中为有向边。
带权图 :边上带有权的图。也称为网。(有向带权图、无向带权图)
简单图 (simple graph):若一个图中没有自环和重边,它被称为简单图。具有至少两个顶点的简单无向图中一定存在度相同的结点。
顶点的度、入度、出度
顶点的度:与该顶点相关联的边的数目,有奇点、偶点之分。
对于有向图:有入度和出度之分
入度:该顶点的入边的数目。
出度:该顶点的出边的数目。
完全图、稠密图、稀疏图
完全图:若是无向图中,则每两个顶点之间都存在着一条边;若是有向图,则每两个顶点之间都存在着方向相反的两条边。n阶的完全有向图含有n*(n-1)条边,n阶完全无向图含有n*(n-1)/2条边
稀疏图 (sparse graph):若一张图的边数远小于其点数的平方,那么它是一张 稀疏图。
稠密图 (dense graph):若一张图的边数接近其点数的平方,那么它是一张稠密图。
路径
在图G=(V,E)中,若从顶点vi出发,沿一些边经过一些顶点vp1,vp2,…,vpm,到达顶点vj。则称顶点序列(vi vp1 vp2 … vpm vj)为从顶点vi到顶点vj的路径。它经过的边(vi,vp1)、(vp1,vp2)、…、(vpm,vj)应是属于E的边。非带权图的路径长度是指路径上边的条数。带权图的路径长度是指路径上各边的权之和。
若路径上除vi、vj外其余各顶点均不互相同,则称这样的路径为简单路径。起点和终点相同的简单路径称为简单回路或环。
连通和连通分量
连通:在一个图中,如果从顶点U到顶点V有路径,则称U和V是连通的;
连通图:如果一个无向图中,任意两个顶点之间都是连通的,则称该无向图为连通图。否则称为非连通图;左图为一个连通图。
连通分量:一个无向图的连通分支定义为该图的最大连通子图,左图的连通分量是它本身。
注意:任何连通图的连通分量只有一个,即本身,而非连通图有多个连通分量!!!!!
强连通图和强连通分量
强连通图:在一个有向图中,对于任意两个顶点U和V,都存在着一条从U到V的有向路径,同时也存在着一条从V到U的有向路径,则称该有向图为强连通图;右图不是一个强连通图。
强连通分量:一个有向图的强连通分量定义为该图的最大的强连通子图,右图含有两个强连通分量,一个是1和2构成的一个子图,一个是3独立构成的一个子图。
注意:强连通图只有一个强连通分量,即本身,非强连通图有多个强连通分量!!!!!
C++图论简介与实现
图论是计算机科学中一个重要的领域,用于研究图数据结构以及图算法。图由节点(顶点)和连接节点的边组成,可以用于表示各种关系和网络结构。在本篇博客中,我们将介绍C++中常用的图论算法,并给出相应的代码实现。
图的表示
图可以用多种方式进行表示,常见的有邻接矩阵和邻接链表。在C++中,我们可以使用二维数组或者容器来表示图。
邻接矩阵表示
邻接矩阵是一个二维数组,用于表示图中每个节点之间的连接关系。如果节点i和节点j之间有一条边,则邻接矩阵中的第i行第j列和第j行第i列的元素为1,否则为0。
const int MAX_NODES = 100;
int adjMatrix[MAX_NODES][MAX_NODES];
void addEdge(int u, int v) {
adjMatrix[u][v] = adjMatrix[v][u] = 1;
}
邻接链表表示
邻接链表是一种更灵活的图表示方法,它使用一个数组或者容器来存储每个节点的邻居节点。在C++中,我们可以使用vector或者list来实现邻接链表。
const int MAX_NODES = 100;
vector<int> adjList[MAX_NODES];
void addEdge(int u, int v) {
adjList[u].push_back(v);
adjList[v].push_back(u);
}
图的遍历
图的遍历是指以某个节点为起点,依次访问图中的所有节点。常见的图遍历算法有深度优先搜索(DFS)和广度优先搜索(BFS)。
深度优先搜索
深度优先搜索是一种递归的图遍历算法,它从起点开始,依次访问起点的邻居节点,然后再访问邻居节点的邻居节点,直到遍历完所有的节点。
bool visited[MAX_NODES];
void dfs(int u) {
visited[u] = true;
cout << u << " ";
for (int v : adjList[u]) {
if (!visited[v]) {
dfs(v);
}
}
}
广度优先搜索
广度优先搜索是一种非递归的图遍历算法,它从起点开始,依次访问起点的邻居节点,然后再访问邻居节点的邻居节点,直到遍历完所有的节点。广度优先搜索使用队列来保存待访问的节点。
bool visited[MAX_NODES];
void bfs(int u) {
queue<int> q;
visited[u] = true;
q.push(u);
while (!q.empty()) {
int v = q.front();
q.pop();
cout << v << " ";
for (int w : adjList[v]) {
if (!visited[w]) {
visited[w] = true;
q.push(w);
}
}
}
}
图的最短路径
最短路径是指在图中找到两个节点之间最短的路径。常见的最短路径算法有Dijkstra算法和Bellman-Ford算法。
Dijkstra算法
Dijkstra算法是一种贪心算法,用于求解带权图中的最短路径。它从起点开始,依次更新起点到其他节点的最短路径,并选择当前最短路径的节点作为下一个节点。
const int INF = INT_MAX;
void dijkstra(int start) {
vector<int> dist(MAX_NODES, INF);
dist[start] = 0;
priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq;
pq.push({0, start});
while (!pq.empty()) {
int u = pq.top().second;
pq.pop();
for (int v : adjList[u]) {
int weight = 1; // 假设边的权重都为1
if (dist[u] + weight < dist[v]) {
dist[v] = dist[u] + weight;
pq.push({dist[v], v});
}
}
}
}
Bellman-Ford算法
Bellman-Ford算法是一种动态规划算法,用于求解带权图中的最短路径。它从起点开始,依次更新起点到其他节点的最短路径,直到没有更新操作为止。
const int INF = INT_MAX;
void bellmanFord(int start) {
vector<int> dist(MAX_NODES, INF);
dist[start] = 0;
for (int i = 0; i < MAX_NODES - 1; i++) {
for (int u = 0; u < MAX_NODES; u++) {
for (int v : adjList[u]) {
int weight = 1; // 假设边的权重都为1
if (dist[u] + weight < dist[v]) {
dist[v] = dist[u] + weight;
}
}
}
}
}
总结
图论在计算机科学中有着广泛的应用,涉及到图的表示、遍历和最短路径等问题。本篇博客介绍了C++中常用的图论算法,并给出了相应的代码实现。希望对读者能有所帮助。